SpiderFlow(图形化爬虫)

Posted 2022-09-24 Harris-H

SpiderFlow(图形化爬虫)

url

https://github.com/ssssssss-team/spider-flow

官网

https://www.spiderflow.org

0.简介

spider-flow 是一个爬虫平台，以图形化方式定义爬虫流程，无需代码即可实现一个爬虫

特性

• 支持css选择器、正则提取
• 支持JSON/XML格式
• 支持Xpath/JsonPath提取
• 支持多数据源、SQL select/insert/update/delete
• 支持爬取JS动态渲染的页面
• 支持代理
• 支持二进制格式
• 支持保存/读取文件(csv、xls、jpg等)
• 常用字符串、日期、文件、加解密、随机等函数
• 支持流程嵌套
• 支持插件扩展(自定义执行器，自定义函数、自定义Controller、类型扩展等）
• 支持HTTP接口

插件

• redis插件
• mongodb插件
• IP代理池插件
• OSS插件
• OCR插件
• Selenium插件

1.安装

git clone https://hub.fastgit.org/ssssssss-team/spider-flow.git

然后用IDEA打开项目，等待解析和下载maven插件。

• 导入数据库,基础表：spider-flow/db/spiderflow.sql

• 打开并运行org.spiderflow.SpiderApplication.java

• 打开浏览器，输入(http://localhost:8088/)

注意修改

里的 数据库 用户名和密码。

另外我的IDEA jdk不支持jdk.nashorn

所以我用openjdk的nashorn才行。

---

2.运行

浏览器输入localhost:8088

然后根据官方文档设计爬虫任务即可。

3.总结

优点

• 无需代码
• 图形化操作
• 快速上手

缺点

• 无法执行较复杂的任务
• 灵活性差